背景

身份认证技术已走进人们生活的每一个角落：登录个人邮箱需要密码、购买火车票需要出示身份证、上班需要指纹打卡等等。随着科技的发展，基于生物特征识别的身份认证技术获得了广泛的应用。它利用人的指纹、面部、声音、虹膜、视网膜等特征具有唯一性、稳定性和不易复制的特点，从而实现安全、方便的身份认证。生物特征分为身体特征和行为特征两类，身体特征如人脸、指静脉、指纹、视网膜、虹膜、DNA等；行为特征如签名、语音、行走步态等。

用户行为特征像是隐形的密码，它不像是密码或者指纹，密码可能会泄露，指纹可能会被盗取，但是行为特征很难被盗取，重要的是哪怕行为特征被收集，也很难被利用，想要模仿一个人的行为特征几乎是不可能的任务，因为行为由人的意识和习惯驱动，没有物理实体，其安全性是不言而喻的。

眼动作为人类的一种行为特征，具有随身性、安全性、广泛性、可采集性等特点。阅读心理学相关研究表明，在阅读过程中，眼动模式在个体之间是显著不同的（图1），但同一被试又呈现出一定的相似性，这表明阅读眼动行为具有某种程度上的唯一性和稳定性，可以作为一种生物特征识别手段。

1.方法

图1  10名被试在阅读同一段文字时的注视序列。横轴为被试者ID，纵轴为同一段文本中单词的位置标号。图中的小圆点是被试在阅读该文字时的注视位置分布情况。不同被试在阅读同一段文字时的注视序列是显著不同的。

图2  基于深度学习的阅读眼动识别（reading eye-movement recognition，REMR）可计算模型架构。模型首先通过词嵌入层、双向LSTM层和密集链接层对输入文本进行处理，再与文本的语言学特征序列进行合并学习，生成预测的阅读眼动注视词序列，最后通过对比预测阅读眼动注视词序列与实际阅读眼动注视词序列（要识别的阅读眼动注视词序列）的相似性距离输出识别结果。

本研究突破了传统的阅读眼动模型注视粒度处理和回视处理模式，提出了阅读眼动注视序列标注方法，构建基于深度学习的阅读眼动可计算模型。通过引入阅读眼动可计算模型，提出了一种基于阅读眼动的生物特征识别方法（图2）。该方法把文本序列、文本语言学特征序列作为输入，使用所提出的模型生成预测的注视序列，通过度量预测的注视序列和实际的（待识别）注视序列之间的相似性距离识别被试身份。

2.注视序列相似性距离算法

本研究基于Dynamic Time Warping (DTW)思想来计算两个注视序列的相似距离（图3）。首先，基于动态规划构建注视序列a和注视序列b的距离矩阵dp[i][j]，dp[i][j]表示序列a[0:i]和b[0:j]之间的相似距离的平方。并且有：

其中，dp[len(a)-1][len(b)-1]就是相似距离的平方，最后开方就是两个注视序列的相似距离，即两个序列的相似度可以用距离来衡量。矩阵dp[i][j]从左上角到右下角的最优路径就是所要求的相似距离distance（图4）。

图3  模型预测的注视序列与实际序列相似性对比图。上图为模型预测的注视序列，下图为实际的（待识别的）注视序列。横坐标为同一段文本中单词的位置标号，纵坐标为1表示该位置的单词被注视，为0表示该位置的单词被跳过。

图4  两个注视序列距离矩阵的最优路径图

3.结果

在测量Rank-1准确率时，如果预测的注视序列与实际（待识别）序列之间的相似距离小于阈值，则认为该被试是同一名被试。在数据集上通过10倍交叉验证方法测量了Rank-1准确率。由于神经网络的初始值是随机选择的，因此该实验重复了100次，在Provo语料库上获得的平均Rank-1准确度为86.5%。在GECO语料库上获得的平均Rank-1准确率为85.23%。实验结果列于下表。

在现有的阅读眼动生物识别技术中，CEM-P方法获得最高的EER和Rank-1精度，基于图的匹配（Graph-based matching）方法使用的手工提取特征最少。如上表所示，所提出的方法使用较少的手动提取特征来获得与CEM-P方法相似的R1精度和EER值。

4.展望

在电影《碟中谍5》中，安保系统最后一道防线“步态识别”，成为汤姆·克鲁斯一行人获取情报的最大障碍。随着人工智能与认知科学的发展，包括“步态识别”“眼动识别”等在内的行为特征识别将不再仅存在于影视作品中，基于用户行为特征的身份认证技术正在成为现实。

附

研究对应的论文成果Deep-learning-based reading eye-movement analysis for aiding biometric recognition发表在Neurocomputing（神经计算）上，该期刊是计算机学科ESI期刊，SCI 2 区，Impact Factor:4.072 。

作者：王晓明等。